基于脑电的快速序列视觉呈现脑-机接口系统研究进展综述

脑-机接口(BCI)系统建立大脑与外部设备之间的直接交流通路,结合快速序列视觉呈现(RSVP)范式能够实现利用人类视觉系统进行高流通量图像目标检索。近些年来,RSVP-BCI系统在范式编码、脑电(EEG)解码和系统应用方面的研究取得了长足的进步。对范式编码的研究揭示不同范式参数对系统性能的影响,促进提升系统性能;脑电解码的研究在提升算法分类性能的同时推动少训练、零训练样本、多模态等场景下的应用;对RSVP-BCI系统应用的研究实现推动系统走向实际应用并拓宽了应用领域。同时,系统仍面临着迈向实际时可应用领域范围窄、脑电跨域解码难题以及计算机视觉飞速进步带来的挑战。该文对RSVP-BCI近年来的相关研究进展进行了回顾与总结,并对未来的发展方向进行了展望。

从脑-机接口到脑-器交互

脑-机接口(brain computer interface,BCI)建立了大脑和非生物设备之间直接的信息交互通道。在认可BCI技术独特应用价值的基础上,进一步整合了身心医学与脑-机接口,强调了“脑与身体”和“脑与环境”的相互支撑关系,提出了脑-器交互(brain-apparatus communication,BAC)框架。对脑-机接口到脑-器交互的发展历程进行了概述,并从脑-器官交互、脑-外部环境交互以及两者融合方面讨论了脑器交互对人类健康的影响。

嵌入式系统中运动想象脑-机接口编解码算法综述

脑-机接口技术通过在大脑与外部设备之间建立信息传输通路,使用户能够对外部设备进行直接控制。近年来,基于运动想象范式的脑-机接口编解码算法研究在医疗健康、教育娱乐及日常生活设备中的应用范围越来越广,这些算法通常需要嵌入到硬件设备中来满足实际应用的需求。介绍了近年来嵌入式系统中运动想象脑-机接口编解码算法研究现状,从传统机器学习算法和深度学习算法两个角度指出其对应的优缺点。重点介绍四类常用嵌入式平台的代表性设备及其优缺点,并针对不同的应用场景给出相应的硬件选型建议。归纳了更适用于嵌入式脑-机接口系统的评价指标并最终总结了领域内现存的挑战与未来发展方向。

基于增强现实和目标识别的SSVEP脑-机接口技术研究

文章将增强现实技术、基于人工智能的目标识别技术与BCI相结合,通过采用微软的Hololens作为视觉刺激呈现平台,实时显示前端视频采集设备获取的场景信息,利用YO-LO检测场景目标,根据目标数量映射相应数量闪烁刺激色块,受试者利用SSVEP对检测到的目标进行敏感目标筛选。8名受试者进行相应试验,并成功诱发出明显SSVEP信号,利用1.5s数据提取4种频率特征,分别获得90.00%,90.00%94.00%和90.00%的平均识别率,在敏感目标在线检测试验中获得很好的效果。该研究表明,本系统为敏感目标筛选提供了新的技术方案,并为BCI系统的日常化应用提供了可能性。

采用脑网络分析的应激诱发脑-机接口运动感知与反馈激活时序规律研究

为解决运动诱发脑-机交互过程中,意念感知环路与运动反馈神经环路协同激活时序同步性弱的问题,受到脉冲时间依赖的突触可塑性理论的启发,开展了运动激活响应的时序作用规律探索与闭环脑机时序同步强化的方法研究。基于应激刺激下运动中枢激活响应特性,通过采集与整合不同应激运动响应任务下力-位移-脑电多源信息,开展了应激诱发下中枢环路时序激活响应检测方案设计;基于检测得到的时序参数,应用脑功能网络分析技术对脑-机交互过程运动感知反馈激活时序规律进行了有效量化。通过在线实验验证和统计分析,验证了应激运动诱发范式保留了传统运动诱发模型的特点:既能够不通过真实运动而激活皮层运动区域,又能有效增强受试者在脑控闭环过程中的运动感知激活响应时效性;在受试者群体中,闭环脑控的感知与反馈响应的时延在0.15~0.90 s之间,最大激活响应时间的持续时间为400~600 ms,激活响应的同步性相较于传统范式具有增强效果。所提方法揭示了应激诱发脑机调控过程的时序作用规律,可为实现运动感知同步性增强的脑-机接口设计提供有力的理论支撑。

基于P300特征的脑-机接口解码算法研究综述

脑-机接口是脑与外部设备连接进而实现信息交换技术,核心是发挥人脑的优势,直接通过人脑与外部环境进行高效互动,目前已成为世界各国的研究热点。P300是由特定刺激范式激发的事件相关电位中的一个典型成分,最初研究发现,当人脑受到某些小概率事件刺激时,会在脑电信号中出现一个潜伏期约为300 ms的正向波峰。由于P300成分具有刺激特异性,因此该特性已被广泛用来研究注意、辨认等认知功能,基于P300特征的脑电范式也已经成为三大主流范式之一。近年来,结合P300和脑-机接口的具有实用功能的应用大量涌现,与此相关的解码算法也被提出并不断改进,这为人们研究P300脑-机接口提供了便利。然而,P300脑-机接口的相关解码算法缺乏系统性总结,各类算法之间的特点也尚未得到明确比较。该文依据P300成分主要在顶枕区响应的特点,提出了基于非空间信息的P300脑电解码算法;依据P300成分在不同脑区响应特征不同的特点,提出了基于空间信息的P300脑电解码算法;依据近几年信息技术快速发展,深度学习已不断在P300脑-机接口中应用的特点,提出了基于深度学习的新型P300脑电解码算法;从以上三个角度入手,总结近年来P300脑-机接口解码算法的研究进展,并根据现有的P300公开数据集对算法性能进行比较,阐明各算法优缺点及应用范围,最后再进一步探讨现存的典型问题以及未来可能的研究方向。

基于P300与ErrP决策融合的脑-机接口目标检测方法

针对脑-机接口(BCI)技术在目标检测中的应用仍然存在检测准确率受限的问题,提出基于事件相关电位(ERP)中的P300与错误相关电位(ErrP)决策融合的新型编解码方法。BCI系统编码方面通过目标图像和视觉反馈分别诱发P300与ErrP特征,解码方面采用单独P300特征、单独ErrP特征、P300与ErrP特征层融合、P300与ErrP决策层融合这4种方案进行目标检测。10名健康受试者4种方案进行目标检测的平均结果显示,使用P300与ErrP决策层融合的平衡正确率最高,达到80.03%±5.20%,相比单独使用P300特征的方法提升了4.38%,相比单独使用ErrP特征的方法提升了11.29%,验证了混合BCI技术在目标检测任务中的可行性。

运动意图的头皮脑电编解码及其脑-机接口研究进展

基于运动意图的脑-机接口(BCI)对人体运动功能增强、替代和康复具有重要研究意义与应用价值。其中,运动想象(MI)是最常用的表征运动意图的BCI范式。然而,传统MI-BCI通常仅实现不同肢体部位运动意图解码,且识别正确率较低,制约着精细运动控制与康复效果。针对上述问题,近年来研究者在单一肢体特定部位、运动学与动力学意图诱发头皮脑电编解码以及运动意图错误相关电位检测3个方面开展了一系列有意义的探索,并在高自由度的运动指令控制和面向卒中患者的临床康复应用方面取得了较大的研究成果。该文从运动意图的头皮脑电(EEG)编解码相关范式及其BCI应用两个方面综述了本领域研究进展,并探讨当前研究存在的问题和可能的解决方案,以期促进运动意图BCI技术的深入研究及开发应用。

基于增强现实的双眼异频编码稳态视觉诱发电位脑-机接口研究

近年来研究者们将基于稳态视觉诱发电位(SSVEP)的脑-机接口(BCI)系统与增强现实(AR)技术相结合,以提升BCI系统的灵活性和便携性,但基于传统SSVEP范式的AR-BCI普遍性能偏低。本研究利用AR设备对双眼分别进行投影的特点设计了一种双眼异频编码SSVEP范式,通过对左、右眼分别进行不同频率的编码提高SSVEP编码的信息量。共采集了14名被试的数据,采用任务相关成分分析(TRCA)算法进行SSVEP识别,对比双眼异频编码和双眼同频编码SSVEP范式在AR环境下的性能,分析两种编码下SSVEP的频域特征、信噪比和功率谱熵。双眼异频编码采用1、2、3 s脑电数据的平均分类正确率分别为90.9%、93.9%和95.0%,双眼同频编码采用1、2、3 s脑电数据的分类正确率分别为81.1%、87.8%和90.2%。当时间长度小于等于1 s时双眼异频编码刺激的分类正确率显著高于双眼同频编码刺激(0.5 s:t(13)=4.562,P<0.01,Cohen′s d=1.219;1 s:t(13)=2.737,P<0.05,Cohen′s d=0.732)。特征分析发现,双眼异频编码SSVEP的信噪比虽然没有优势(t(13)=-1.014,P>0.05,Cohen′s d=-0.271),但其功率谱熵显著高于双眼同频编码(t(13)=-2.968,P<0.05,Cohen′s d=-0.793)。本研究表明,与传统双眼同频编码SSVEP范式相比,采用双眼异频编码能够提高AR-BCI系统的性能。

混合范式脑-机接口研究进展综述

传统脑-机接口(BCI)在实际应用中存在许多不足,例如指令集较小、适用人群范围小、难以实现多维度控制和异步控制等。混合范式脑-机接口(hBCI)的出现可有效解决这些问题。对基于脑电信号的hBCI、基于脑电信号和其他脑信号的hBCI以及基于多生理信号的hBCI进行综述,并分析近年来不同hBCI系统的刺激范式、控制策略、分类性能以及实际应用等。与传统BCI系统相比,hBCI系统具有更大的指令集和更高的准确率,并且由于结合了其他脑信号或生理信号,使得多维控制和异步控制更容易实现,系统实用性得到了极大的提升。最后对不同类型的hBCI系统进行了总结,阐述当前hBCI存在的问题及其未来的发展前景。

脑-机接口技术综述

脑-机接口是在人脑与计算机或其它电子设备之间建立的直接的交流和控制通道,通过这种通道,人就可以直接通过脑来表达想法或操纵设备,而不需要语言或动作,这可以有效增强身体严重残疾的患者与外界交流或控制外部环境的能力,以提高患者的生活质量.脑-机接口技术是一种涉及神经科学、信号检测、信号处理、模式识别等多学科的交叉技术.本文对脑-机接口技术的发展、研究现状、工作原理以及涉及的关键技术进行了较为详细地综述,在总结脑-机接口技术存在问题的基础上,探讨了该领域进一步研究的方向.

脑控:基于脑-机接口的人机融合控制

近年来,一类被称之为脑控的新型控制系统发展迅速,这是一种基于脑-机接口(Brain-computer interface,BCI)的人机融合控制系统,也是一种基于人的意念和思维的控制系统.脑控系统已被成功应用于残疾人的生活辅助、中风病人和损伤肢体的康复训练、操作员状态的实时监控、游戏娱乐和智能家居等广泛的领域.本文在简要介绍了脑控的研究背景、基本原理、系统结构和发展概况的基础上,着重对脑电信号(Electroencephalogram,EEG)模式、控制信号转换算法和应用系统研究等主要问题的研究现状,进行了较为详细的论述和分析,并探讨了进一步研究的方向和思路.最后对脑控的未来发展方向和应用前景进行了分析和展望.

基于脑-机接口的康复辅助机械手控制

目的:研究一种基于脑-机接口技术的康复辅助机械手运动的控制方法,并论证其可行性。方法:构建基于脑-机接口的控制系统框架。通过基于稳态视觉诱发电位构造的脑-机接口获取控制指令,通过可编程逻辑控制器(PLC)控制机械手完成规划的动作。结果:实现了利用稳态诱发脑电控制多自由度机械手完成倒水动作的过程。结论:通过脑-机接口技术控制康复辅助机械手进行复杂运动是一种可行的方法,这种新的控制方法可以应用于残疾人对假肢的控制。

面向康复与辅助应用的脑-机接口趋势与展望

无需肢体神经肌肉接触便可实现人与外界机器设备信息交互、使"思想"变成"行动"的脑-机接口(BCI)是脑神经科学与工程技术结合的新产物,亦是临床神经功能康复与运动辅助控制的新技术,可望为部分或完全丧失语言交流与肢体运动控制能力患者(如脑卒中、脊髓损伤、脊髓侧索硬化等疾病)提供全新的增强治疗与康复手段,但目前实际应用尚存在信息处理效率欠高、康复训练时间过长、控制模型通用性差等技术瓶颈。综述了上述技术难点并以运动想象(MI)BCI和BCI拼写器(Speller)为典型介绍了其可能的模型优化策略和解决方案,最后展望了未来BCI发展方向。

基于脑电Alpha波的脑-机接口控制实验

对脑电alpha波阻断现象的识别提取与家用电器遥控装置的结合进行了研究,以探索实时脑机接口(brain-computer interface,BCI)系统的可行性．对5～12名受试者进行睁闭眼实验并记录其动态脑电数据,提取al- pha波阻断现象发生过程的关键参数．在实时操作平台上对受试者进行4组遥控器按键操作的组合实验,以考察系统的响应速度与指令传递的准确率．总结出了Alpha波阻断现象对应的阈值电压经验计算公式,并建立了以最大噪声背景电平作为甄别开关动作真伪的判据原则．结果显示该系统具有较高的控制成功率和稳定性,表明实时脑机接口系统具有潜在的临床应用价值与研究前景．

视觉诱发电位脑-机接口实验范式研究进展

近年兴起可实现人脑直接对外信息交流和控制、让"思想"立即变"行动"的脑-机接口(BCI)新技术已在脑科学、神经计算、人工智能与机器人等多领域显示诱人前景。实验范式设计是研究与开发BCI系统的首要关键步骤。针对常见的各类视觉诱发电位(VEP)实验范式,从首个传统反应式VEP-BCI实验范式入手介绍了其诱发平台、实验流程和整体性能研究现状与存在问题及发展瓶颈;比较分析了近些年研究开发的多种改进型VEP-BCI实验范式,并展望了可能的实验范式发展新动向,希冀为研究开发高性能BCI提供新思路。

基于脑-机接口技术的新型医疗器械

介绍脑-机接口技术的研发背景及其应用前景,讨论了基于脑-机接口技术的新型医疗器械开发中所面临的一些问题。

基于脑-机接口技术的虚拟现实康复训练平台

对神经损伤的瘫痪病人进行功能恢复训练时应强调患者的主动参与。开发了一套基于脑-机接口技术的虚拟现实康复训练平台。该平台采用患者在想象运动时的脑电信号作为虚拟人运动的控制信号,从而把想象运动与运动功能恢复训练结合在一起。由于虚拟现实系统的实时性与沉浸感能给受试者提供较好的训练反馈信息,因此,使用本平台有望改善患者的训练效果。详细介绍了快速在线脑-机接口算法以及虚拟现实的实时交互技术,并提供了三名受试者的实测结果。初步实验证明了该平台设计的可行性。

脑-机接口研究进展

作为当前神经工程领域中最活跃的研究方向之一,脑-机接口在生物医学、神经康复和智能机器人等领域具有重要的研究意义和巨大的应用潜力.近10年来,脑-机接口技术得到了长足的进步和飞速的发展,应用领域也在逐渐扩大.在已有相关工作的基础上,介绍脑-机接口系统的主要组成部分,对各组成部分常涉及到的相关基本理论和技术作了总结和介绍,主要包括脑信号获取、脑信号预处理、特征提取、变换算法等相关技术和理论,最后对脑-机接口未来的研究方向进行了展望.

基于脑-机接口技术的上肢康复训练系统

目的:脑-机接口是实现脑和电子设备直接通讯的技术,基于该技术可以实现一个强调患者主动参与的上肢康复训练机械手系统。方法:开发了一个结合脑-机接口技术的上肢康复训练系统。该系统由脑电放大器、实现脑电信号处理和训练器控制的计算机、上肢康复训练系统3部分组成。结果:该系统可以由患者在治疗计划的指导下来主动控制康复训练的过程及内容,强调患者参与治疗的主动性,有利于提高治疗效果。结论:该系统充分调动患者的主动参与意识,使患者的精神高度集中于动作训练,从而力求达到较为理想的康复训练效果。